آشکارسازی انواع تداخل در سامانه GNSS مبتنی بر دسته بندی کننده شبکه عصبی آموزش یافته با الگوریتم ALO

سامانه موقعیت یاب جهانی GNSS یک سامانه راهبری و مسیریابی جهانی است که با استفاده از ماهواره ها می تواند هم ی سطح زمین را تحت پوشش قرار دهد و باعث می شود قادر باشد ساعت دقیق، ارتفاع، طول و عرض هر نقطه دلخواه را با دقت بالایی اندازه گیری نماید. این سامانه در زمینه های مختلف کاربرد دارد، اما ایمن نیست، در واقع، سیگنال های GNSS به دلیل اینکه مسافت نسبتاً طولانی ای رااز ماهواره ها تا رسیدن به گیرنده طی می کنند. در سطح زمین توان پایینی دارند و به دشت در برابر انواع اختلال آسیب پذیر می باشند. دراین مقاله، با بکایگری شبکه عصبی بعنوان الگوریتم دسته بندی کننده، نوع تداخل احتمالی در سیگنال دریافتی در گیرنده GNSS مشخص می شود. دسته بندی قوی تر، با آموزش شبکه عصبی توسط الگوریتم تکاملی شیر مورچهALO، ارائه شده است. نتایج شبیه سازی دست یابی به دسته بندی 87.98%، 39.99%، 74.13% و 97.44% به ترتیب در داده های بدون اختلال، چند مسیری، فریب و جمینگ را نشان می دهد. میانگین آشکارسازی صحیح 74.88% می باشد که نسبت به نتایج ارائه شده درمقاله مورد مقایسه بصورت میانگین 2.6% بهبود داشته است.